علوم آب و خاک

Mendeley  

Zotero  

Soleimanpour S M, Rahmati O, Shadfar S, Enayati M. Modeling Gully Erosion Development Using Random Forest and Artificial Neural Network Models in the Mahurmilati Watershed of Fars Province. jwss 2026; 30 (1) :49-64
URL: http://jstnar.iut.ac.ir/article-1-4479-fa.html

فرسایش خندقی، یکی از مهم‌ترین انواع فرسایش آبی است. از آنجایی که میزان هدررفت خاک ناشی از این فرسایش، ارتباط مستقیمی با عوامل محیطی دارد؛ بنابراین می توان بر اساس شرایط محیطی، میزان هدررفت خاک ناشی از هر خندق را مدل سازی کرد. با توجه به اینکه مدل های یادگیری ماشین، مبتنی بر هوش مصنوعی، قابلیت زیادی در تجزیه‌وتحلیل اطلاعات محیطی دارند، در این پژوهش علاوه بر تعیین هدررفت خاک ناشی از فرسایش خندقی، اقدام به مدل سازی با استفاده از دو مدل جنگل تصادفی و شبکه عصبی مصنوعی و ارزیابی کارایی آنها در حوزه آبخیز ماهورمیلاتی واقع در جنوب غرب استان فارس شده است. به این منظور، اندازه گیری پارامترهای ابعادی 70 خندق، طی چهار سال (1402-1399) انجام و حجم و وزن خاک از دست رفته محاسبه شد. 15 عامل محیطی، به عنوان متغیرهای پیش بینی کننده انتخاب و مدل سازی با رویکرد اعتبارسنجی متقاطع، توسط این دو مدل انجام شد و دقت مدل ها با استفاده از معیارهای کمی بررسی شد. میزان هدررفت خاک خندق ها در دوره مورد مطالعه 15300/94 تن بود. ارزیابی دقت مدل‌ها نشان داد مدل جنگل تصادفی بر اساس معیار ارزیابی ضریب تبیین (0/73-0/66=R2) از عملکرد بهتری برخوردار است. همچنین این مدل از نظر معیار ارزیابی شاخص خطای RSR، دارای کمترین مقدار بوده (1/03-0/66=RSR) و بیشترین دقت را به خود اختصاص داده است. از نظر شاخص ارزیابی تطابق (D)، نیز مدل جنگل تصادفی دارای بیشترین تطابق، میان داده‌های مشاهداتی و پیش‌بینی بوده و بیشترین مقدار این شاخص (0/83=D) را به خود اختصاص داد و بنابراین به عنوان مدل برتر برای پیش‌بینی هدررفت خاک ناشی از فرسایش خندقی در این حوزه آبخیز معرفی شد.